今天在看到计算IOU函数代码中的np.minimum时,不是很了解,寻找了资料
def wh_iou(wh1, wh2):
# Returns the nxm IoU matrix. wh1 is nx2, wh2 is mx2
wh1 = wh1[:, None] # [N,1,2]
wh2 = wh2[None] # [1,M,2]
inter = np.minimum(wh1, wh2).prod(2) # [N,M]
return inter / (wh1.prod(2) + wh2.prod(2) - inter) # iou = inter / (area1 + area2 - inter)
用法:
numpy.minimum(x1, x2, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True [, signature, extobj ]) = <ufunc 'minimum'>
数组元素的元素最小值。
比较两个数组并返回一个包含元素最小值的新数组。如果要比较的元素之一是 NaN,则返回该元素。如果两个元素都是 NaN,则返回第一个。后一种区别对于复数 NaN 很重要,复数 NaN 被定义为实部或虚部中的至少一个是 NaN。最终效果是传播了 NaN。
参数:
x1, x2: array_like
包含要比较的元素的数组。如果 x1.shape != x2.shape
,它们必须可以广播到一个公共形状(成为输出的形状)。
out: ndarray,None,或 ndarray 和 None 的元组,可选
存储结果的位置。如果提供,它必须具有输入广播到的形状。如果未提供或 None,则返回一个新分配的数组。元组(只能作为关键字参数)的长度必须等于输出的数量。
where: 数组,可选
此条件通过输入广播。在条件为 True 的位置,out 数组将设置为 ufunc 结果。在其他地方,out 数组将保留其原始值。请注意,如果通过默认 out=None
创建未初始化的输出数组,则其中条件为 False 的位置将保持未初始化。
**kwargs:
对于其他仅关键字参数,请参阅 ufunc 文档。
返回:
y: ndarray 或标量
x1 和 x2 的最小值,按元素计算。如果 x1 和 x2 都是标量,则这是一个标量。
这也解释了为什么在函数开始首先要对wh1,wh2进行维度上扩展,是为了在进行广播机制时,能使得np.minimum()函数正常的运行,得到我们想要的结果。